FA-SORT:轻量化的多车辆跟踪算法
作者机构:宁波敏捷信息科技有限公司 浙江科技学院机械与能源工程学院 上海应用技术大学计算机科学与信息工程学院
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2023年
学科分类:08[工学] 080203[工学-机械设计及理论] 0838[工学-公安技术] 0802[工学-机械工程]
基 金:教育部产学合作协同育人项目(No.220800006080308) 上海应用技术大学科研启动项目(YJ2022-40) 上海应用技术大学协同创新基金(XTCX2022-20)
主 题:多车辆跟踪 目标检测 速度方向一致性匹配 检测值匹配 无人机图像
摘 要:近年来,无人机因体积小、灵活性好等优势被广泛应用在车辆跟踪领域。然而,当无人机在高空飞行时,其捕捉的图像中车辆目标存在像素点少、拥挤以及被遮挡的情况。并且,现有的多目标跟踪研究方法在车辆被遮挡过程中发生非线性运动时,使用卡尔曼滤波预测,会出现车辆位置预测不准确的问题。为了解决这些问题,本文采用先检测后跟踪(Tracking By Detection,TBD)范式,首先对YOLOv8检测算法进行改进,在网络结构中引入了BiFormer稀疏动态注意力模块,用于提取小目标特征信息。同时使用轻量级上采样算子CARAFE替换原最近邻插值上采样,减少上采样过程中小目标特征丢失的问题。然后提出一种轻量化跟踪模型FA-SORT,针对SORT算法提出三点改进:改进KF、添加速度方向一致性匹配和检测值匹配。最后,在自制的组合了多个车辆数据集上验证改进的YOLOv8算法,实验结果表明,与YOLOv8相比,精确率(Precision)提高了0.97%,召回率(Recall)提高了0.898%。对所提出的FA-SORT算法使用UAVDT数据集进行验证,结果表明,与现有的多目标跟踪算法相比,HOTA指标首个达到70.05%,IDF1达到87.45%,跟踪速度达到29.93 FPS。验证了FA-SORT跟踪算法在多车辆跟踪任务中的优越性。